楊 丹,鄧明艷,劉自敏,c,黃 敏
(西南大學 a.經(jīng)濟管理學院;b.農(nóng)村經(jīng)濟與管理研究中心;c.經(jīng)濟研究中心, 重慶 400716)
新冠肺炎疫情(以下簡稱“疫情”)對中國消費品制造、交通運輸、住宿餐飲、旅游休閑、地產(chǎn)金融等工業(yè)與商業(yè)領域打擊沉重,不利于經(jīng)濟增長與經(jīng)濟發(fā)展。在中國經(jīng)濟由高速增長轉為高質量發(fā)展的背景下,政府應盡快采取強有力的精準措施,盡可能對沖疫情的“負效應”,在后疫情時代助力經(jīng)濟的高質量發(fā)展(1)本文采用王竹立(2020)對“后疫情時代”的定義,“后疫情時代”指新冠肺炎疫情過去后的時代,但并不是說疫情完全消失、一切恢復如前的狀況,而是疫情時起時伏,隨時都可能小規(guī)模暴發(fā),從外國外地回流以及季節(jié)性發(fā)作,而且遷延較長時間,對各方面都產(chǎn)生深遠影響的時代。。其中,“減稅降費”政策,特別是降費政策能有效減輕企業(yè)負擔,幫助經(jīng)濟復蘇。近年來,中央的各項政策已顯示了降低企業(yè)成本的重要性,2016年國務院專門制定了《降低實體經(jīng)濟企業(yè)成本工作方案》,強調(diào)多方面降低企業(yè)成本。
電力作為重要的二次能源,電力消費與經(jīng)濟增長緊密相關,具有很強的乘數(shù)效應。從2015年開始,中央已多次采取措施積極降低工業(yè)用能成本,在2019年12月的中央經(jīng)濟工作會議上,首次明確表示“要降低企業(yè)用電成本”。國家發(fā)展和改革委員會于2020年2月發(fā)布的《關于階段性降低企業(yè)用電成本支持企業(yè)復工復產(chǎn)的通知》,明確了除高耗能行業(yè)用戶外,一般工商業(yè)和大工業(yè)企業(yè)的電費將下調(diào)5%。同時,《應對疫情中央及地方支持性政策匯編》顯示,不同省份為推動企業(yè)發(fā)展均提出了具體的降成本措施。電費作為“第二稅收”,降電費不僅直接惠及企業(yè)用電客戶,還在二次傳遞上降低了各行各業(yè)的成本。
根據(jù)2005年國際能源署(IEA)與經(jīng)合組織(OECD)的報告,OECD國家平均居民電價與工業(yè)電價之比為1.7∶1,全世界主要國家中,只有印度、俄羅斯與中國的居民電價低于工業(yè)電價。中國工業(yè)電價與居民電價的交叉補貼現(xiàn)象嚴重,需采取措施降低交叉補貼。由于居民用戶對電價的可接受能力有限,同時電量市場交易量的比重不斷上升,工業(yè)電價的市場化降價空間較大,所以減少企業(yè)用能成本,降低交叉補貼的重要措施便是降低工業(yè)電價。
目前,突發(fā)事件沖擊下企業(yè)用能成本對經(jīng)濟發(fā)展影響的相關研究主要集中在以下3個方面:
第一,突發(fā)事件的沖擊會對人類生活、經(jīng)濟發(fā)展產(chǎn)生極大的影響。突發(fā)事件對經(jīng)濟發(fā)展的負效應一般為兩年[1],SARS病毒短期不利于國民經(jīng)濟發(fā)展,長期制度性因素的改變會提升資源配置效率[2]。長期災害會促進技術進步、更新資本存量,提升全要素生產(chǎn)率[3]。颶風作為突發(fā)事件會造成工人工資和就業(yè)率的變動[4-5],對不同受教育程度的居民存在異質性就業(yè)效應[6]。地震會使經(jīng)濟短期(1年以內(nèi))受損,中期(2~5年)恢復,長期(6~12年)提升[7]。
第二,能源價格會影響經(jīng)濟增長,降低企業(yè)用能成本將促進經(jīng)濟復蘇及其發(fā)展。降成本的措施可概括為:降低能源成本、降低制度性交易成本、降低企業(yè)人工成本、降低企業(yè)稅費負擔等[8]。降成本是實現(xiàn)中國經(jīng)濟增長與經(jīng)濟發(fā)展的核心[9]。石油價格上漲將對宏觀經(jīng)濟產(chǎn)生負向影響[10],能源價格下降有助于實際GDP和社會福利增加[11]。石油價格沖擊對經(jīng)濟增長存在影響[12];天然氣價格波動與經(jīng)濟系統(tǒng)變化有關系[13];差別能源價格對歐盟和非歐盟國家的宏觀經(jīng)濟影響不同[14]。
第三,中國電力交叉補貼嚴重,減少交叉補貼對經(jīng)濟高質量發(fā)展有重要作用。交叉補貼的本質是價格扭曲,價格扭曲損害了經(jīng)濟增長、能源效率與社會福利[15],要素扭曲阻礙了資源的再配置[16],消除扭曲有助于生產(chǎn)率提升[17]。減少電力補貼可以提高用電效率、減少碳排放與無謂損失[18]。經(jīng)濟高質量發(fā)展要借助于要素價格的資源配置功能[19],技術進步偏向是資源配置的重要體現(xiàn)[20],減少要素配置扭曲可以使全要素生產(chǎn)率提升43%[21]。
綜上所述,大量文獻分析了突發(fā)事件、價格扭曲對經(jīng)濟發(fā)展的不利影響?;谥袊I(yè)電價補貼居民電價的現(xiàn)實背景,在后疫情時代,如何實現(xiàn)經(jīng)濟高質量發(fā)展,將是政府面臨的重要難題。本研究將基于中國經(jīng)濟高質量發(fā)展的視角,以能源效率、工業(yè)產(chǎn)值、CO2排放量、社會福利等指標作為衡量經(jīng)濟高質量發(fā)展的指標,探討減少價格扭曲,即企業(yè)用能成本降低對企業(yè)高質量發(fā)展的效果及其機制。本文的貢獻與創(chuàng)新點在于:(1)估計了2006—2019年全國工業(yè)和居民用戶間電價交叉補貼的總體趨勢,有助于更好地了解中國電力交叉補貼的基本面;(2)基于城市數(shù)據(jù)分析了降低企業(yè)用能成本對經(jīng)濟高質量發(fā)展的影響及其機制;(3)以能源效率、工業(yè)產(chǎn)值、社會福利等作為經(jīng)濟高質量發(fā)展的代理變量,評估降低企業(yè)用能成本,減少價格扭曲對經(jīng)濟高質量發(fā)展的短期、中期及長期效果。
降低工業(yè)用能成本,減少交叉補貼能夠提高效率、提升福利、減少碳排放,促進經(jīng)濟高質量發(fā)展[18,22]?;谙M者理論,交叉補貼會引致價格扭曲。一方面,工業(yè)企業(yè)這類低成本用戶由于高電價而抑制生產(chǎn)規(guī)模,不利于生產(chǎn);另一方面,居民用戶這類高成本用戶由于低電價而過度消費,造成資源浪費,均不利于社會經(jīng)濟的提升。存在交叉補貼時,工業(yè)用戶及居民用戶的經(jīng)濟損失如圖1所示。
圖1 交叉補貼下工業(yè)用戶和居民用戶的經(jīng)濟損失
其中,Q為用電量,ph、pi、p0分別是現(xiàn)行的居民電價、現(xiàn)行的工業(yè)電價、調(diào)整后的電價,h、i表示居民用戶、工業(yè)用戶(2)需要說明,確定理想價格(即不存在交叉補貼)時,假設居民與工業(yè)用電的理想價格均為p0,此時得到中國真實居民與工業(yè)電價間交叉補貼值的下限。。當工業(yè)電價大于居民電價,存在交叉補貼時,工業(yè)用戶由于無法達到最優(yōu)生產(chǎn)規(guī)模造成的經(jīng)濟損失為△ABC的面積,而居民用戶由于電價偏低而多消費,造成資源浪費的經(jīng)濟損失為△DEF的面積,且二者的關系為:△ABC=△DEF。
由于只估計工業(yè)與居民用戶間的交叉補貼,沒有分析二者共同享受到的外部補貼或工業(yè)與居民對其他能源的補貼等。因此,在分析兩兩間的交叉補貼時,交叉補貼支出額等于交叉補貼所得額。補貼方和受補貼方的交叉補貼額的下限值關系為:
(p0-ph)*Qh=(pi-p0)*Qi
(1)
根據(jù)價差法,在式(1)的基礎上計算出無交叉補貼時的價格p0,就可以計算出中國電力結構中工業(yè)對居民用電的交叉補貼的下限。單位交叉補貼額、交叉補貼總額與交叉補貼率的計算公式分別為:
Cross_Sub=|Δp|=pi-p0=p0-ph
(2)
Cross_Sub_sum=|Δp*Q|=(pi-p0)*Qi=(p0-ph)*Qh
(3)
Cross_Sub_Ratio=Cross_Sub/(pi*Qi)
(4)
基于式(2)~(4)可以計算出工業(yè)和居民用戶間的交叉補貼下限。減少交叉補貼的途徑主要是降低工業(yè)電價,提升居民電價,同時配合其他的非價格手段[22]。但是,居民對電力價格的接受力有限,居民電價提升程度不宜過高,否則不利于居民福利提升。
因此,減少交叉補貼應該從工業(yè)降價開始。交叉補貼引致效率損失的可能機制包括:交叉補貼引致偏向傳統(tǒng)能源而非新技術能源的技術進步引致純技術效率下降;交叉補貼引致價格扭曲導致無法達到生產(chǎn)最優(yōu)規(guī)模,最終導致規(guī)模配置效率下降等[23-24]。因此,純技術效率和規(guī)模效率下降是導致能源效率下降的可能途徑。本文的研究思路如圖2所示。
圖2 企業(yè)用能成本降低對經(jīng)濟高質量發(fā)展影響的內(nèi)容框架
一方面,純技術效率會對企業(yè)的技術創(chuàng)新產(chǎn)生影響[25],不利于經(jīng)濟增長。全要素生產(chǎn)率的提升主要依靠技術效率的改善[26],對經(jīng)濟高質量發(fā)展至關重要[27]。中國電力價格扭曲嚴重,導致較高的企業(yè)用能成本,不利于企業(yè)增加清潔能源(電力)的使用。過高的交叉補貼,導致企業(yè)缺乏技術創(chuàng)新激勵,不會增加更多的技術改進投入,純技術效率偏低,不利于經(jīng)濟的運行。另一方面,規(guī)模效率下降是導致全要素生產(chǎn)率提升的主要因素[28]。電力價格扭曲,導致企業(yè)的資源配置效率低下,企業(yè)難以實現(xiàn)規(guī)模經(jīng)濟。同時,當交叉補貼嚴重時,企業(yè)不能根據(jù)自身的比較優(yōu)勢選擇投入要素,以達到最優(yōu)生產(chǎn)規(guī)模,最終將由于生產(chǎn)不足造成經(jīng)濟損失。但二者的作用具體如何,本文將在實證分析中進行驗證。
此外,本文將探討企業(yè)用能成本降低對經(jīng)濟高質量發(fā)展的影響與機制,就企業(yè)用能成本降低的短期、中期、長期經(jīng)濟效應進行場景分析,即降低企業(yè)用能成本最終對經(jīng)濟增長、節(jié)能減排、社會福利等的影響。
本節(jié)首先是對本文所使用的100個樣本城市數(shù)據(jù)進行說明,然后基于全局SBM方法測算綠色能源效率及其分解結果,并分析由于工業(yè)電價高于居民電價引致的交叉補貼情況。
本研究所使用的電價數(shù)據(jù)來自中國價格信息網(wǎng),該網(wǎng)站采集了中國大陸地區(qū)31個省、自治區(qū)、直轄市的100個典型城市(東部36個,中部30個,西部34個)2006—2016年的居民與工業(yè)用電月度價格(3)限于數(shù)據(jù)可獲性與統(tǒng)計口徑的變化,研究期僅到2016年。根據(jù)最新的《中國城市統(tǒng)計年鑒》顯示從2017年開始,城市層面的諸多指標的統(tǒng)計口徑發(fā)生了變化,由市轄區(qū)變成了全市。因此,諸多最新的基于城市數(shù)據(jù)所做的分析,其數(shù)據(jù)期都截止到2016年,如:人口密度自從2016年后就不再公布了;2017年的工業(yè)用電量和全社會用電量為全市層面的數(shù)據(jù);2017年的城鄉(xiāng)居民生活用電為全市的城鎮(zhèn)居民生活用電而非全市的城鄉(xiāng)居民生活用電。。該數(shù)據(jù)樣本區(qū)域分布較為均衡,每個省、自治區(qū)、市均包含2~3個城市(西藏除外),東、中、西部地區(qū)城市數(shù)量分布較為均勻,具有較好的代表性。本文實證分析所使用的變量來自多個數(shù)據(jù)庫。參照《2006年IPCC國家溫室氣體清單指南》和張子龍[29]的研究,對各城市的能源消費和水泥生產(chǎn)過程中的CO2排放量進行計算。工業(yè)與居民能源消費量、GDP、工資額、人口數(shù)等變量自于《中國城市統(tǒng)計年鑒》,氣候特征變量來源于中國氣象數(shù)據(jù)網(wǎng)。因為所有控制變量均在年份層面,因此本文將月度電價數(shù)據(jù)加總平均到年度層面,得到年度電價并和其他變量進行匹配,形成本文分析所使用的完整數(shù)據(jù)。根據(jù)新冠肺炎疫情的嚴重程度(4)本文對新冠肺炎疫情地區(qū)的分類借鑒國務院聯(lián)防聯(lián)控機制印發(fā)的《關于科學防治精準施策分區(qū)分級做好新冠肺炎疫情防控工作的指導意見》,根據(jù)確診病率來劃分疫情的區(qū)域。其中,確診病率大于等于1的為疫情重度地區(qū);確診病率在0.5~1的為疫情中度嚴重;確診病率小于0.5為疫情輕度地區(qū)。數(shù)據(jù)統(tǒng)計截止日期為2020年3月2日,數(shù)據(jù)來源于國家統(tǒng)計局及國家衛(wèi)建委及各地衛(wèi)健委。雖然截至2020年3月,中國疫情尚未結束,但是本文劃分疫情的標準,即確診人數(shù)是疫情最嚴重的時期,比較具有代表性。,變量描述性統(tǒng)計如表1所示。
表1 變量描述性統(tǒng)計
從表1可知,中國城市工業(yè)電價比居民電價高0.21元。在疫情嚴重程度不同的地區(qū)稍有變化,其中疫情重度地區(qū)的工業(yè)電價比居民電價高0.208元;疫情中度地區(qū)的工業(yè)電價比居民電價高0.255元;疫情輕度地區(qū)的工業(yè)電價比居民電價高0.185元??梢猿醪脚袛嘀袊I(yè)與居民電價之間的交叉補貼問題嚴重,這將造成能源效率與社會福利損失,不利于經(jīng)濟高質量發(fā)展(5)雖然本文對于新冠肺炎疫情的分類是根據(jù)2020年的數(shù)據(jù)劃分的,相對于2006—2016年的工業(yè)與居民消費存在滯后性。但是,基于此分析降低企業(yè)用能成本對疫情造成的經(jīng)濟沖擊的對沖效應是合理的。原因在于降價行為和GDP、碳排放、社會福利等之間的關系存在一定經(jīng)濟規(guī)律。將這個規(guī)律進行歸納總結后,如果這個規(guī)律(理論)成立,那么它將適用于中國其他情形。所以即使本文的數(shù)據(jù)是疫情前的,在疫情期間的降價行為對經(jīng)濟或者碳排放等經(jīng)濟高質量發(fā)展指標產(chǎn)生基本相似的影響。。
基于相關研究[22,30],本節(jié)在全局DEA的框架下,在非徑向、非角度和考慮非合意產(chǎn)出的基礎上,構建全局SBM(Slack Based Model)模型來測度包含能源投入的綠色能源效率,即通過全局SBM模型測算效率。具體的模型設定如下所示:
假設共有n個決策單元(DMU),每個DMU均有m種投入,s1種期望產(chǎn)出,s2種非期望產(chǎn)出,3種指標分別表示為xi,gi,bi;向量表達式分別為xi∈Rm,gi∈Rs1,bi∈Rs2。再定義X,G,B的矩陣形式分別如下:X=[x1,x2,...,xn]∈Rm×n,G=[g1,g2,...,gn]∈Rs1×n,B=[b1,b2,...,bn]∈Rs2×n,且xi>0,gi>0,bi>0?;赟BM方法,確定的生產(chǎn)可能集為:
(5)
規(guī)模報酬可變時,非期望產(chǎn)出的SBM模型如下:
(6)
其中,s-、sg、sb分別表示為投入松弛變量、期望產(chǎn)出的松弛變量和非期望產(chǎn)出的松弛變量。同時,由于規(guī)模報酬可變,所以綜合效率(Technical Efficiency,TE)可以分解為純技術效率(Pure Technical Efficiency,PTE)和規(guī)模效率(Scale Efficiency,SE),且綜合效率與純技術效率與規(guī)模效率間的關系為:TE=PTE*SE[31]。
由此,本文構建出考慮非合意產(chǎn)出的非徑向全局SBM模型,來測度考慮了能源投入的綠色能源效率、純技術效率及規(guī)模效率。進一步地,本文選擇表2所示的變量來測度包含能源投入的綠色能源效率。投入變量主要包括資本存量、勞動力與工業(yè)用電量,產(chǎn)出變量主要包括工業(yè)總產(chǎn)值與作為負產(chǎn)出代表的碳排放量。變量定義及數(shù)據(jù)來源如表2所示。
表2 能源效率測度指標選擇
資本存量的計算主要是借鑒柯善咨和向娟[32]的研究,采用永續(xù)盤存法,用最新的投資數(shù)據(jù)進行擴展。其中,第二產(chǎn)業(yè)產(chǎn)值以1995年為基期進行價格平減。
綠色能源效率顯示,2006—2016年中國能源效率較低,各地區(qū)的純技術效率均小于規(guī)模效率,說明傳統(tǒng)的通過提高能源利用企業(yè)規(guī)模的方式來獲取規(guī)模經(jīng)濟以提升規(guī)模效率,進而提高能源總效率的方式不可持續(xù)。不同疫情程度、不同地區(qū)的效率對比如表3所示。
表3 2006—2016年各地區(qū)能源效率均值對比
疫情嚴重程度不同的地區(qū)效率存在差異,其中疫情重度地區(qū)的純技術效率最高,而疫情中度地區(qū)的綠色能源效率及規(guī)模效率最高。分區(qū)域來看,中部地區(qū)的綠色能源效率及規(guī)模效率最高,而東部地區(qū)的純技術效率最高。但全國的綠色能源效率均值僅為0.276,純技術效率僅0.395,規(guī)模效率相對高一點,但總體處于低水平。
基于式(3)(4),可以計算出交叉補貼總額及交叉補貼率,如圖3所示。
圖3 2016年各地區(qū)工業(yè)與居民用戶的電力交叉補貼情況
從交叉補貼總額來看,交叉補貼總額最大的3個省份分別為:江蘇、廣東、山東;交叉補貼總額最小的3個省份為:青海、寧夏、海南,可以看出經(jīng)濟發(fā)達地區(qū)的交叉補貼總額較經(jīng)濟欠發(fā)達地區(qū)更大。從交叉補貼率來看,交叉補貼率最高的3個省份分別為:北京、陜西、云南;交叉補貼率最低的3個省份為:海南、寧夏、河北。
基于2016年工業(yè)和居民電力消費量,利用加權平均的方法,計算全國層面的工業(yè)電價與居民電價。結合國家能源局2017—2019年社會用電量,可以計算2017—2019年全國交叉補貼總額下限值。由此,2006—2019年的電力交叉補貼總額變化如圖4所示。
圖4 2006—2019年全國工業(yè)與居民用戶的電力交叉補貼變化趨勢
如圖4所示,自2006年以來,中國的電力交叉補貼總額均較高,2006—2017年一直在穩(wěn)定提升。但是在2018年開始出現(xiàn)了轉折,電力交叉補貼總額總體上有所下降,總體呈倒“U”型。可能原因是中國在2018年和2019年實施了“一般工商業(yè)降價10%”的政策。即使工業(yè)電價的下降實現(xiàn)了企業(yè)用能成本降低,交叉補貼總額有所下降,但總體還是偏高。其中很重要的原因在于:居民用電價格近年來基本保持不變,而居民用電占比在不斷提升。因此,盡管自2015年實施供給側結構性改革以來的一系列舉措,適當降低了工商業(yè)電力交叉補貼水平,但隨著居民用電占比逐年提高,交叉補貼規(guī)模依舊較高(6)王鵬和曹雨潔(2019)估計的2017年全國(居民和農(nóng)業(yè)用戶)電力交叉補貼總額為2 700億元,與本文根據(jù)最新數(shù)據(jù)粗略計算的數(shù)據(jù)差異不大(本文僅估算了工業(yè)用戶對居民用戶的電力交叉補貼),這也佐證了本文提出的交叉補貼下限估計思路的有效性。而根據(jù)國際能源署(IEA)的估算,中國目前的電力和石油補貼穩(wěn)居世界第一,2016 年分別為241.21億美元和162.62億美元。。
基于理論部分的分析,可知降低工業(yè)電價是減少交叉補貼的重要措施,那么交叉補貼的減少對經(jīng)濟發(fā)展的效果如何呢?本節(jié)將以能源效率作為經(jīng)濟高質量發(fā)展的指標,評估交叉補貼減少對經(jīng)濟高質量發(fā)展的影響。進一步地,分析交叉補貼影響能源效率的機制。
借鑒IEA(1999),本文采用對數(shù)線性的半彈性需求函數(shù)形式來估計交叉補貼引致的價格扭曲對能源效率的影響效果。具體的估計方程為:
lnTEit=α+βCross_Subit+φXit+μi+υt+εit
(7)
lnTEit=α+βCross_Sub_Ratioit+φXit+μi+υt+εit
(8)
其中,TEit為不同城市不同年份的綠色能源效率值,Cross_Subit為對應的交叉補貼額,Cross_Sub_Ratioit為對應的交叉補貼率,Xit為控制變量,包括工業(yè)總產(chǎn)值、工業(yè)企業(yè)數(shù)、煤氣供應量、市轄區(qū)面積、氣溫等變量。
考慮到交叉補貼與能源效率之間的內(nèi)生性(7)交叉補貼主要是由電力價格測度的,會直接影響能源效率,但是當能源效率很低時,政府會出面采取價格或非價格手段進行干預,其中又以價格手段為主。因此,能源效率可能會反過來影響到居民或工業(yè)企業(yè)部門的交叉補貼。,本文將通過工具變量的方法解決二者之間互為因果的問題。所采用的工具變量為:除本市之外的國家能源局省級監(jiān)管辦或省級電網(wǎng)公司管轄內(nèi)其他城市工業(yè)與居民交叉補貼額(率)的平均[22]。首先,基于式(7)利用普通雙固定效應模型進行估計。然后,引入工具變量(IV)分析交叉補貼額對經(jīng)濟影響的效果,結果如表4所示。
表4 交叉補貼額與綠色能源效率的半彈性估計
表4中的(1)和(2)為普通雙固定效應的估計結果,其中列(1)并未引入控制變量。可以看出,交叉補貼額會顯著降低能源效率,并且如果不引入控制變量,如工業(yè)總產(chǎn)值、工業(yè)企業(yè)數(shù)、煤氣供應量、市轄區(qū)面積、氣溫等,將會高估其影響效果。此外,列(3)是引入工具變量后的估計結果,可以看出,解決二者間的內(nèi)生性問題后,交叉補貼額對能源效率的影響依然顯著為負。同時,分地區(qū)估計結果顯示東中西部地區(qū)間并沒有顯著差異。
同樣地,基于式(8)分析交叉補貼率對經(jīng)濟影響的效果,結果如表5所示。
表5中的(1)和(2)為普通雙固定效應的估計結果,其中(1)并未引入控制變量??梢钥闯?,交叉補貼率會顯著降低能源效率,并且如果不引入控制變量,將會高估其影響效果。此外,(3)是引入工具變量后的估計結果,結果顯示,解決內(nèi)生性后,交叉補貼率仍然顯著降低能源效率。同時,分地區(qū)估計結果顯示東中西部地區(qū)間并沒有顯著差異。
表5 交叉補貼率與綠色能源效率的半彈性估計
此外,由于疫情的嚴重程度不同,本文進一步分析了交叉補貼引致的價格扭曲在不同的疫情地區(qū)對經(jīng)濟發(fā)展扮演的作用,結果如表6所示。
表6 同疫情地區(qū)的交叉補貼與綠色能源效率的半彈性估計
由表6可以看出,在使用工具變量解決內(nèi)生性問題后,交叉補貼額(率)對于疫情嚴重程度不同的地區(qū)均造成顯著的效率損失。因此,針對效率損失的大小不同,在制定政策降低企業(yè)用能成本對沖疫情造成的不利影響時,可以針對疫情的嚴重程度不同實施差異化的政策。
為了驗證理論分析中提出的交叉補貼是否是通過純技術效率和規(guī)模效率影響綠色能源效率,本文將構成兩個實證模型分析其影響機制:一是檢驗降低工業(yè)電價,減少交叉補貼是否是通過純技術效率的改變而促進能源效率的提升;二是檢驗規(guī)模效率相應的作用。參考溫忠麟[33]的研究,設定如下模型:
(9)
其中,TE為綠色能源效率,M為中介變量(即純技術效率或規(guī)模效率),Cross_sub為單位交叉補貼額,X為控制變量?;谑?9)所示的模型,相應的估計結果如表7所示。
由表7可以看出,純技術效率是重要的機制,交叉補貼減小會刺激純技術效率提升,從而使得效率提升。純技術效率的中介效應占比為62.20%。但是,規(guī)模效率主要表現(xiàn)為遮掩效應。也就是說,交叉補貼減少會導致規(guī)模效率減小,不利于能源效率的增加。
表7 交叉補貼對綠色能源效率影響的機制分析
因此,為應對新冠肺炎疫情給經(jīng)濟帶來的不利影響,減少工業(yè)電價應該更加具有針對性,比如對于中小企業(yè)實施降費政策,助力中小企業(yè)減負,提升其技術效率,促進經(jīng)濟高質量發(fā)展。而對于規(guī)模較大的企業(yè)而言,要適度實施降費政策,減小交叉補貼。實現(xiàn)效率提升和經(jīng)濟發(fā)展的重點在于提升純技術效率。
基于表4交叉補貼額對能源效率影響評估中的半彈性分析,本節(jié)將以2020年 “降低企業(yè)用能成本”作為政策背景,分析新冠肺炎疫情發(fā)生后,工業(yè)電力降費對經(jīng)濟高質量發(fā)展的影響。在此,將以能源效率、社會福利等指標作為經(jīng)濟高質量發(fā)展的衡量標準。
降低企業(yè)用能成本,即工業(yè)電力降費的政策措施是為了減少電力交叉補貼,讓工業(yè)企業(yè)用戶的電力價格反映真實的電力成本,減少價格扭曲,提升效率與社會福利?;诮祪r政策和現(xiàn)實背景,我們不僅關注降價政策的短期效果,更關注其中長期的經(jīng)濟效應。因此,本文主要分析以下3種常見情況中,工業(yè)用能成本降低對經(jīng)濟高質量發(fā)展的影響。
場景一:短期效果分析。為了應對新冠肺炎疫情,國家發(fā)改委明確規(guī)定:除高耗能行業(yè)用戶外,一般工商業(yè)和大工業(yè)企業(yè)的電費將下調(diào)5%,降價時間自2月1日至6月30日。因此,場景一主要是分析工業(yè)電力降費5%的短期經(jīng)濟效益。場景二:中期效果分析。中期(2~5年)來看,本文將借鑒2018年和2019年全年工業(yè)電力降費10%的政策,分析未來工業(yè)電力降費10%的中期經(jīng)濟效果。場景三:長期效果分析。如果未來完全實現(xiàn)無交叉補貼的政策目標,即工業(yè)電力降費標準為理論降價潛力,那么其經(jīng)濟效應將如何呢?因此,本文根據(jù)中國價格信息網(wǎng)2020年1月公布的最新工業(yè)與居民電價可以計算出工業(yè)電價的降價潛力,以“理論降價潛力”作為長期政策目標,分析實現(xiàn)無交叉補貼帶來的長期經(jīng)濟效益。
1.新冠肺炎疫情沖擊下不同場景工業(yè)電力降費的效果分析
基于不同場景電力降價比例,可以計算出交叉補貼的減少額度,進一步通過表4的彈性,分析出效率的提升情況。基于全局SBM模型,可以計算出相應的CO2減少、工業(yè)產(chǎn)值的增加及GDP增速。同時基于逆DEA模型,可以計算出社會福利變化,如表8所示。
表8 不同場景下工業(yè)電力降費的效果分析
可見,在后疫情時代,通過工業(yè)電力降費可以實現(xiàn)經(jīng)濟高質量發(fā)展。短期工業(yè)電力降費5%使得綠色能源效率提升1.71%,純技術效率提升2.50%,規(guī)模效率提升4.46%;工業(yè)產(chǎn)值增加了4 849.617億元,社會總福利提升20.695億元。中期實現(xiàn)“工業(yè)電價再降10%”,全國綠色能源效率將提升3.62%,純技術效率提升5.27%,規(guī)模效率提升9.41%;工業(yè)產(chǎn)值將增加10 238.090億元,GDP增速為1.02%,CO2排放減少0.31%,社會總福利提升43.689億元。長期如果完全消除交叉補貼,工業(yè)產(chǎn)值將增加23 562.892億元,GDP增速增加2.54個百分點,CO2排放量減少0.71%,社會總福利將提升98.819億元。
2.新冠肺炎疫情沖擊下不同疫區(qū)工業(yè)電力降費的經(jīng)濟效益分析
基于上述分析,不同疫情地區(qū)降低企業(yè)用能成本的經(jīng)濟效益對比如表9所示。
表9 不同場景下不同疫區(qū)工業(yè)電力降費的經(jīng)濟效益分析
從疫情的嚴重程度來看,短期內(nèi)企業(yè)用能成本降低5%時,疫情重度地區(qū)的各項經(jīng)濟高質量發(fā)展指標的變化均最高,疫情中度地區(qū)次之,疫情輕度地區(qū)變化最小。通過工業(yè)電力降費,各區(qū)域的效率(綠色能源效率、純技術效率、規(guī)模效率)均有所提升,其中效率提升最大的是疫情重度地區(qū),各效率提升的比例依次為1.96%、3.15%、4.52%。對于受新冠肺炎疫情影響最大的湖北、廣東等省份而言,可以使得地區(qū)的工業(yè)產(chǎn)值增加2 444.273億元,GDP增速為0.48%,CO2排放量減少0.18%,社會總福利提升11.452億元。
中期實現(xiàn)企業(yè)用能成本降低10%時,疫情重度、中度、輕度地區(qū)的工業(yè)產(chǎn)值分別可以增加5 160.119、3 914.504、1 163.468億元;疫情重度地區(qū)的社會總福利提升最大,為24.181億元,疫情中度地區(qū)次之,疫情輕度地區(qū)增加最少。長期完全消除交叉補貼后,各經(jīng)濟指標的變化幅度更大,其經(jīng)濟效益更加明顯??梢姡I(yè)電力降費的長期經(jīng)濟收益為能源效率提升、CO2排放減少、工業(yè)產(chǎn)值提升與社會福利的提升,進而推動經(jīng)濟的高質量發(fā)展。
本文利用中國100個樣本城市2006—2016年工業(yè)和居民電力消費數(shù)據(jù)及2020年最新的電價數(shù)據(jù),結合“降低企業(yè)用能成本”政策,以能源效率、碳排放、GDP增速、社會福利等指標衡量經(jīng)濟高質量發(fā)展的水平,分析企業(yè)用能成本降低對經(jīng)濟高質量發(fā)展的影響效果及其機制。同時,針對疫情對中國經(jīng)濟造成的不利沖擊,分析企業(yè)用能成本下降對經(jīng)濟高質量發(fā)展的短期、中期、長期經(jīng)濟效果。本文的研究結論和政策建議主要包括:
首先,中國交叉補貼現(xiàn)象嚴重,2006—2019年的交叉補貼總額呈現(xiàn)倒“U”型,自2018、2019年實施“一般工商業(yè)降價”以來雖有所下降,但是總體偏高。此外,中國目前的綠色能源效率水平總體偏低,綠色能源效率均值為0.304,純技術效率總體低于規(guī)模效率。因此政府及各部門需要關注環(huán)境與氣候變化問題,通過產(chǎn)業(yè)升級、清潔能源轉型等方式,積極采取措施減少環(huán)境污染物排放,提升中國的能源效率,特別是純技術效率。
其次,交叉補貼會顯著造成效率損失,不利于經(jīng)濟高質量發(fā)展。雖然東中西部地區(qū)之間的作用效果無顯著差異,但是疫情的嚴重程度不同,作用效果不同,其中對于疫情重度和中度地區(qū)存在顯著的不利影響,對輕度地區(qū)的作用效果不顯著。因此,在后疫情時代為助力經(jīng)濟高質量發(fā)展,政府應該因地制宜,實施“差異化”政策。對疫情十分嚴重的地區(qū),企業(yè)用能成本降價幅度可以比疫情不嚴重的地區(qū)更大。
再次,在降低工業(yè)電價,減少交叉補貼,引致能源效率提升的過程中,純技術效率是主要的機制,其中介效應占比為61.20%,而規(guī)模效率表現(xiàn)為遮掩效應。所以,政府在實施“降低企業(yè)用能成本”政策時,應該更加針對純技術效率較小的中小企業(yè),如引入新技術、轉變能源利用方式,增強能源科技技術轉化。同時,基于現(xiàn)實背景,相對于大中型企業(yè),中小企業(yè)受疫情的影響更大。
最后,降低企業(yè)用能成本的短期、中期、長期經(jīng)濟效益較為明顯。通過對國家發(fā)展改革委員會于2020年2月提出的“企業(yè)用能成本降費5%”的階段性政策評估發(fā)現(xiàn),該政策有助于能源效率、工業(yè)產(chǎn)值、GDP增速提升,CO2排放減少,社會總福利提升。同時,基于中期“降費10%”的評估和長期完全實現(xiàn)“消除交叉補貼”的效果來看,企業(yè)用能成本降低有助于經(jīng)濟高質量發(fā)展。因此,政府應分階段降低交叉補貼,推動經(jīng)濟高質量發(fā)展。